Kanker prostat adalah kanker kedua paling umum bagi pria di Amerika Serikat (setelah kanker kulit) dan adalah penyebab kematian akibat kanker kedua (setelah kanker paru-paru). Masyarakat Kanker Amerika memperkirakan bahwa sekitar 35.000 pria Amerika akan meninggal akibat kanker prostat pada tahun 2024. Oleh karena itu, semua yang dapat membantu dokter mendeteksi dan mengobati kanker prostat lebih cepat dapat menyelamatkan ribuan nyawa.
Salah satu alat penting untuk diagnosis yang akurat dari kanker prostat adalah pemindaian MRI. Pemindaian MRI berkualitas tinggi dapat membantu ahli bedah mendeteksi keberadaan tumor, luasnya tumor dalam kelenjar, dan keberadaan penyebaran ke organ-organ terdekat.
Namun, pemindaian MRI masih harus diinterpretasikan oleh radiolog manusia. Dan manusia bisa membuat kesalahan. Khususnya, penelitian terbaru telah menunjukkan bahwa radiolog manusia lebih cenderung menginterpretasikan pemindaian sebagai “ganas” lebih lambat pada akhir hari kerja, ketika “kelelahan, beban kerja, dan ritme sirkadian bisa mempengaruhi pengambilan keputusan.”
Ini bukanlah sebuah kejutan. Peneliti lain telah menunjukkan bahwa “radiolog cenderung membuat kesalahan setelah 10 jam interpretasi klinis.” Namun, studi yang dilakukan oleh Dr. Anton Becker dan rekan-rekan dapat mengkuantifikasi hal ini dengan berkaitan dengan masalah spesifik diagnosis kanker prostat. (Makalah Dr. Becker juga menyebutkan efek “Hakim Lapar”, di mana putusan hakim dalam dewan pembebasan bersyarat dilaporkan lebih keras saat mereka semakin lelah dan lapar selama hari kerja, dan menjadi lebih lunak setelah mereka istirahat dan makan.)
Dr. Becker dan rekan-rekan juga menyarankan bahwa kecerdasan buatan dapat membantu mengurangi tingkat kesalahan akibat kelelahan manusia. Untungnya, algoritma kecerdasan buatan mencapai titik bahwa ini mungkin menjadi kenyataan yang praktis sangat segera.
Peneliti di Klinik Mayo dan di Massachusetts General Hospital mampu mengembangkan sistem kecerdasan buatan pembelajaran mendalam yang hampir setara dalam akurasi dengan radiolog manusia ahli. Selain itu, kombinasi manusia plus kecerdasan buatan melakukan lebih baik dari keduanya sendiri.
Tim peneliti lain di UCLA mampu menggunakan sistem kecerdasan buatan untuk menentukan tingkat penyebaran tumor dengan metode yang “45 kali lebih akurat dan konsisten” daripada metode konvensional. Dapat menentukan batas dengan lebih tepat antara sel tumor dan jaringan normal dapat sangat membantu dalam perencanaan pengobatan, memungkinkan dokter untuk memanfaatkan dengan sebaik mungkin “operasi, terapi fokal, terapi radiasi, terapi hormon, kemoterapi, atau kombinasi dari pengobatan ini” untuk menghancurkan atau menghapus jaringan yang mengandung kanker sambil menyebabkan sedikit kerusakan mungkin pada jaringan sehat yang terdekat.
Seperti halnya dengan perkembangan kecerdasan buatan medis yang lain, alat-alat ini belum (dulu) dapat sepenuhnya menggantikan dokter manusia. Dr. Takahashi dari tim Klinik Mayo mencatat bahwa “Saya tidak berpikir kita dapat menggunakan model ini sebagai alat diagnostik mandiri.” Sebaliknya, ia memandang kecerdasan buatan “sebagai alat bantu dalam proses pengambilan keputusan kami.” Dan seperti biasa, hasil penelitian ini perlu divalidasi dalam kelompok pasien yang lebih besar sebelum mereka siap digunakan secara klinis sehari-hari.
Namun demikian, saya senang mendengar tentang kolaborasi yang menghasilkan antara dokter di pusat medis akademis terkemuka dan ilmuwan kecerdasan buatan. Beberapa tahun mendatang revolusi kecerdasan buatan harus membawa lebih banyak berita baik kepada pasien dan dokter sama-sama.